如何解决Python / Pandas索引器过多错误？

Question

我已经尝试在Python 3.7中运行以下代码，以遍历数据框'Rawdata'中数据列的每种组合，以使用statsmodel库创建回归模型的子集并返回最佳模型。在运行最后一行：best_subset（X，Y）之前，代码不会引发任何错误。它返回：“ IndexingError：索引器太多”。

任何想法有什么问题/如何解决？

如果有人可以提供帮助，那就太好了！谢谢

#Data
Rawdata = pd.read_csv(r'C:\Users\Lucas\Documents\sample.csv')

#Main code
def best_subset(X, Y):
    n_features = X.shape[1]
    subsets = chain.from_iterable(combinations(range(n_features), k+1) for k in range(n_features))
    best_score = -np.inf
    best_subset = None
    for subset in subsets:
        lin_reg = sm.OLS(Y, X.iloc[:, subset]).fit()
        score = lin_reg.rsquared_adj
        if score > best_score:
            best_score, best_subset = score, subset
    return best_subset, best_score

#Define data inputs and call code above
X = Rawdata.iloc[:, 1:10]
Y = Rawdata.iloc[:, 0]

#To return best model
best_subset(X, Y)

Answer 1

您的循环变量子集可以是长度为n_features的元组。例如，如果子集为（0，1），则回归阅读为

lin_reg = sm.OLS(Y, X.iloc[:, (0, 1)]).fit()

熊猫不知道该如何处理（请参阅here）。一种解决方案是将子集的类型从元组转换为列表：
for subset in subsets:
    subset = list(subset)
    lin_reg = sm.OLS(Y, X.iloc[:, subset]).fit()